【源码】基于Flask框架的试题知识点推荐系统

项目简介

本项目是一个试题知识点推荐系统，用户输入一段试题文本，系统会输出与之相关的知识点。系统通过解析word文档中的知识点，借助Neo4j数据库构建知识图谱，再利用设计的算法从知识图谱中找出与输入试题相关的知识点。此外，系统还具备知识图谱的管理功能。

项目的主要特性和功能

1. 知识点推荐：依据输入的试题文本，从知识图谱中精准推荐相关知识点。
2. 知识图谱管理：提供知识图谱的管理功能，方便对知识点和关系进行维护。
3. 多技术融合：运用PaddleNLP和正则表达式联合抽取关键词，利用OCR技术提取图片文字。

安装使用步骤

环境准备

推荐使用GPU进行训练，预测阶段CPU或GPU均可。使用以下命令安装环境依赖： pip install -r requirements.txt 环境依赖如下： - neo4j~=5.8.1 - pandas~=2.0.0 - numpy~=1.23.2 - paddlepaddle-gpu==2.4.2.post117 - paddleocr==2.6.1.3 - paddlenlp==2.5.2 - Flask~=2.2.3 - jupyter - mammoth==1.5.1 - beautifulsoup4~=4.12.2

数据准备

1. 下载文档文件（Google Driver需要访问外网），并解压到./csv目录下。
2. 在项目目录下运行以下命令生成构建知识图谱的数据表（csv文件）： python generate_kg_table
3. 在Aura创建一个免费的Neo4j实例，然后在”import“页面中导入模型，具体做法是点击红框中的按钮，导入./csv目录下的neo4j_importer_model.json文件。
4. 在左侧的“Files”一栏中点击“Browse”按钮导入./csv目录下的csv数据表文件，最后Run Import自动导入数据。

系统功能测试

1. 在本地启动服务器： python -m flask --app flask_server run
2. 在test_client.ipynb中测试系统功能。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】